标签： GPT-4

Hugging Face Papers 收录的论文提出 Embodied First Exam，用 1,156 个任务评测编码智能体控制真实机器人；目前公开摘要显示，最强组合 GPT-6 Astra 在核心任务标准设置中成功率仅 34%，说明编码智能体进入物理世界仍有明显短板。

Datadog 发布面向 SRE 故障排查的专用模型 Scout，在自家 AI SRE 产品 Bits Investigation 中运行，主打低推理成本与全量告警自动排查，但仍是封闭预览版，没有正式发布日期。

Hugging Face Papers 于 2026 年 11 月 10 日收录的论文摘要提出 Tree-Ising，把语言模型的“权重修复”写成对 BF16 权重做稀疏离散优化，在数学任务上小幅超过 GPT-6 Astra 智能体此前的修复结果，同时大幅减少改动的权重数量与调用成本。

研究团队让 16 个大模型在编程解谜游戏 TIS-100 中独立编写汇编程序，结果 Opus 5.5 与 GPT-6 Astra 各在 11 个关卡刷新社区前沿点，并产生 3 项周期纪录。